[論文レビュー] Two Step Joint Model for Drug Drug Interaction Extraction

Siliang Tang, Qi Zhang+8 more|arXiv (Cornell University)|Aug 28, 2020

Biomedical Text Mining and Ontologies被引用数 6

ひとこと要約

本論文は、薬剤ラベルからの薬物-薬物相互作用（DDI）抽出のための2段階連合モデルを提案する。最初にCNN-GRU順序タギングシステムを用いて原因物質を特定し、その後で微細なトリガーと相互作用タイプを同時に検出する。このアプローチは、連合推論とルールベースのサブタイプ分類を活用することで、パイプライン手法を上回り、TAC 2018 DDIチャレンジデータセットにおいて、タスク1（メンション抽出）でF1スコア0.46、タスク2（関係分類）でF1スコア0.40を達成した。

ABSTRACT

When patients need to take medicine, particularly taking more than one kind of drug simultaneously, they should be alarmed that there possibly exists drug-drug interaction. Interaction between drugs may have a negative impact on patients or even cause death. Generally, drugs that conflict with a specific drug (or label drug) are usually described in its drug label or package insert. Since more and more new drug products come into the market, it is difficult to collect such information by manual. We take part in the Drug-Drug Interaction (DDI) Extraction from Drug Labels challenge of Text Analysis Conference (TAC) 2018, choosing task1 and task2 to automatically extract DDI related mentions and DDI relations respectively. Instead of regarding task1 as named entity recognition (NER) task and regarding task2 as relation extraction (RE) task then solving it in a pipeline, we propose a two step joint model to detect DDI and it's related mentions jointly. A sequence tagging system (CNN-GRU encoder-decoder) finds precipitants first and search its fine-grained Trigger and determine the DDI for each precipitant in the second step. Moreover, a rule based model is built to determine the sub-type for pharmacokinetic interation. Our system achieved best result in both task1 and task2. F-measure reaches 0.46 in task1 and 0.40 in task2.

研究の動機と目的

• 患者の安全にとって重要な薬剤ラベルのテキストから薬物-薬物相互作用（DDI）を自動で抽出する課題に対処すること。これは手作業での収集が困難である。
• 名前付きエンティティ認識（NER）と関係抽出（RE）のパイプラインではなく、メンション検出と関係分類を連合的にモデル化することで、DDI抽出のパフォーマンスを向上させること。
• ドメイン固有の辞書を活用したドメイン知識に基づくルールベースのモデルを用いて、薬物動態（PK）相互作用サブタイプの分類精度を向上させること。
• アノテーションの不一致や小規模な問題を含む既存のデータセットの限界を、手動での修正とNLM-180からのデータ拡張によって克服すること。

提案手法

• 2段階連合モデルを提案する。まず、CNN-GRUエンコーダデコーダ順序タギングシステムを用いて、文内の原因物質を検出する。
• 次に、検出された原因物質ごとに、微細なトリガー（PK-T、PD-T、UN-T）と特定の相互作用を同定する2つの追加のNERシステムを訓練する。
• ビームサーチを用いた連合デコード戦略を採用することで、グリーディデコードとビタビデコードのバランスを取ることで、シーケンス予測の正確性を向上させる。
• 3つのモデルの予測を重ね合わせるアンサンブル手法を採用し、個々のシーケンススコアを合算してスコアが最も高い出力シーケンスを選択する。
• ドメイン知識から得たトレンド辞書とパrameter辞書を用いて、ルールベースのシステムで薬物動態相互作用をサブタイプに分類する。
• NLM-180データセットをTraining-22フォーマットに変換し、手動によるラベル薬物のフィルタリングとトリガー項目の整合性の修正を実施することで、データ拡張を実施した。

実験結果

リサーチクエスチョン

• RQ1 従来のパイプライン手法（NERに続くRE）と比較して、2段階連合モデルは薬物-薬物相互作用のメンションおよび関係抽出において優れているか？
• RQ2 原因物質、トリガー、特定の相互作用の連合検出は、DDI抽出タスクのF1スコア向上にどの程度効果的か？
• RQ3 ルールベースのサブタイプ分類は、薬物動態相互作用検出の正確性をどの程度向上させられるか？
• RQ4 アノテーションの不一致や小規模な問題といったデータ品質の問題は、モデルのパフォーマンスにどのような影響を及ぼすか？ また、手動での修正とデータ拡張によってこれらを緩和できるか？

主な発見

• 提案された2段階連合モデルは、TAC 2018 DDIチャレンジのタスク1（メンション抽出）でF1スコア0.4636を達成し、他のシステムを上回った。
• タスク2（関係分類）では、test1でF1スコア0.4046、test2でF1スコア0.3572を記録し、テストセット全体にわたり高い安定性を示した。
• 3つのモデルを統合するアンサンブル手法によりパフォーマンスが向上し、第3回提出ではタスク1でF1スコア0.4525、タスク2でF1スコア0.4090を達成した。
• Training-22データセットにおけるアノテーション不一致の手動修正と、NLM-180からのデータ拡張により、モデルの汎化性能と信頼性が顕著に向上した。
• PKサブタイプ分類のためのルールベースモデルは、ドメイン固有のパターンを効果的に捉え、薬物動態相互作用検出における精度向上に寄与した。